Классификатор опорных векторов с обучением

Создает файл определения классификатора Esri ( .ecd ) с использованием определения классификации Метода опорных векторов (SVM).

Использование

Классификатор SVM - мощный способ классификации с обучением. Он отлично подходит для сегментированных входных растров, но может работать и со стандартными изображениями. Это метод классификации, который широко используется исследователями.

Для стандартных входных изображений, инструмент принимает многоканальные изображения любой битовой глубины и выполняет попиксельную классификацию SVM на основе входного файла обучающего класса пространственных объектов.

Для сегментированных растров, ключевое свойство которых задано как Сегментированный , инструмент вычисляет индексное изображение и связанные атрибуты сегмента из сегментированного растра RGB. Атрибуты вычисляются для создания файла определения классификатора, который должен быть использован в отдельном инструменте классификации. Атрибуты для каждого сегмента могут быть вычислены для любого, поддерживаемого Esri изображения.

• Для классификатора SVM необходимо гораздо меньше выборок, и для него не требуется нормальное распределение выборок.
• Данный метод менее восприимчив к шуму, коррелированным каналам и несбалансированному количеству и размеру обучающих местоположений в пределах каждого класса.

Любой поддерживаемый Esri растр принимается в качестве входных данных, включая растровые продукты, сегментированные растры, мозаики, сервисы изображений или наборы растровых данных в общих форматах. Сегментированные растры должны быть 8-битными с 3 каналами.

Чтобы создать файл обучающей выборки, используйте Менеджер обучающей выборки на панели инструментов Классификация изображений . Более подробную информацию об использовании панели инструментов Классификация изображений см. в разделе Что такое классификация изображений?

Параметр Атрибуты сегмента включен только в том случае, когда одним из входных растровых слоёв является сегментированное изображение.

Синтаксис

Набор растровых данных для классификации.

Предпочтительными входными данными является 3-х канальный 8-битный сегментированный набор растровых данных, в котором все пикселы в том же сегменте имеют тот же цвет. Входными данными может также являться одноканальный 8-битный сегментированный растр в шкале серых оттенков. Если сегментированный растр недоступен, то вы можете использовать любой поддерживаемый Esri набор растровых данных.

Выберите файл обучающей выборки или слой, который определяет районы обучающей выборки.

• classname – текстовое поле с указанием имени категории класса.
• classvalue – поле типа long integer, содержащее целочисленное значение для каждой категории класса.

Выходной файл JSON, который содержит информацию об атрибутах, статистику, гиперплоскостные векторы и другую информацию, необходимую для классификатора. Создан файл .ecd .

Добавьте вспомогательные наборы растровых данных, такие как спектрозональное изображение или ЦМР, для создания атрибутов и другой необходимой для классификатора информации. Это дополнительный параметр.

Максимальное количество образцов для определения каждого класса.

Когда входными данными являются несегментированные растры, то рекомендуется использовать значение по умолчанию 500. Значение, которое меньше или равно 0, означает, что система будет использовать все образцы из обучающих местоположений для обучения классификатора.

Укажите атрибуты, которые будут включены в связанную с выходным растром таблицу атрибутов.

• COLOR —Значения цвета RGB , полученные их входного растра на основе каждого сегмента.
• MEAN —Средний цифровой номер (DN), выведенный из дополнительного пиксельного изображения, на основе каждого сегмента.
• STD —Среднеквадратическое отклонение, полученное из дополнительного пиксельного изображения, на основе каждого сегмента.
• COUNT —Число пикселов, составляющих сегмент, на основе каждого сегмента.
• COMPACTNESS —Соединяет сегменты, которые были разрезаны границами листов в процессе сегментации. Значения находятся в диапазоне от 0 до 1, где 1 соответствует кругу.
• RECTANGULARITY —Степень, определяющая, насколько сегмент является прямоугольным, на основе каждого сегмента. Значения находятся в диапазоне от 0 до 1, где 1 соответствует прямоугольнику.

Это параметр активен только в тех случаях, когда для входного растра выбран ключевой параметр Сегментированный (Segmented) . Если для входных данных инструмента используется только сегментированное изображение, то атрибутами по умолчанию будут COLOR , COUNT , COMPACTNESS и RECTANGULARITY . Если в качестве входных данных вместе с сегментированным изображением также используется in_additional_raster , то тогда также будут доступны атрибуты MEAN и STD .

Пример кода

Данный пример окна Python использует классификатор SVM для классификации сегментированного растра.

Данный скрипт Python использует классификатор SVM для классификации сегментированного растра.